GNSS论文阅读笔记

论文阅读笔记——MAGICDRIVE: STREET VIEW GENERATION WITH DIVERSE 3D GEOMETRY CONTROL

MagicDrive论文MagicDrive通过对3D数据和文本数据的多模态条件融合和隐式视角转换，实现了高质量、多视角一致的3D场景生成。几何条件编码Cross-attention：针对顺序数据，适合处理文本标记和边界框等可变长度输入。Additiveencoderbranch：对于地图等网络状规则数据，能够有效保留空间结构。对于文本按照模版构建：“Adrivingsceneat{locatio

寻丶幽风·2025-03-23 22:02

【GNSS原理】【差分定位】Chapter.4 GNSS定位技术分析——DGPS原理[2025年3月]

Chapter.4GNSS定位技术分析——DGPS原理作者：齐花Guyc(CAUC)文章目录Chapter.4GNSS定位技术分析——DGPS原理一、引言二、差分定位（DGPS）1.位置差分2.伪距差分

牵星术小白·2025-03-22 17:37

GS-SLAM论文阅读笔记-MGSO

前言MGSO首字母缩略词是直接稀疏里程计(DSO)，我们建立的光度SLAM系统和高斯飞溅(GS)的混合。这应该是第一个前端用DSO的高斯SLAM，不知道这个系统的组合能不能打得过ORB-SLAM3，以及对DSO会做出怎么样的改进以适应高斯地图，接下来就看一下吧！GishelloG^s_ihelloGishello我是红色文章目录前言1.背景介绍2.关键内容2.1SLAMmodule2.2Dense

zenpluck·2025-03-21 17:29

贵重资产跟踪和监测领域的市场机会点

一、技术创新驱动带来的机会点随着全球卫星导航系统（GNSS）不断完善，如北斗系统的高精度定位服务愈发成熟，定位精度可达到亚米级甚至厘米级。

番茄老夫子·2025-03-16 19:06

论文阅读笔记——QLORA: Efficient Finetuning of Quantized LLMs

QLoRA论文4-bit标准浮点数量化常见的量化技术是最大绝对值量化：XInt8=round(127absmax(XFP32)XFP32)=round(cFP32,XFP32)式(1)X^{Int8}=round(\frac{127}{absmax(X^{FP32})}X^{FP32})=round(c^{FP32},X^{FP32})\qquad\qquad\text{式(1)}XInt8=ro

寻丶幽风·2025-03-16 08:15

HarmonyOS NEXT 添加地理围栏

添加一个围栏，并订阅地理围栏事件，地理围栏就是虚拟地理边界，当设备进入、离开某个特定地理区域时，可以接收自动通知和警告目前仅支持圆形围栏，并且依赖GNSS芯片的地理围栏功能，仅在室外开阔区域才能准确识别用户进出围栏事件

·2025-03-15 10:22

移远通信推出三款天线新品，以更加丰富的产品组合满足客户的多样化需求

1月9日，在2025年国际消费电子产品展览会(CES)期间，全球领先的物联网整体解决方案供应商移远通信宣布，正式推出三款天线产品，包括GNSS有源外置天线YEGN103W8A、5G终端安装橡胶偶极子外置天线

移远通信·2025-03-14 17:27

移远通信推出GNSS定位模组新品LS550G，集成超紧凑设计、低功耗、高灵敏度等多重优势

1月7日，在CES2025期间，全球领先的物联网整体解决方案供应商移远通信宣布推出超紧凑型多星座GNSS定位模组LS550G，该模组在实现快速、精准定位的同时，还兼具尺寸紧凑、超低功耗、高灵敏度及高性价比等众多优势

移远通信·2025-03-14 17:56

论文阅读笔记：Graph Matching Networks for Learning the Similarity of Graph Structured Objects

论文做的是用于图匹配的神经网络研究，作者做出了两点贡献:证明GNN可以经过训练，产生嵌入graph-leve的向量可以用于相似性计算。作者提出了一种新的基于注意力的跨图匹配机制GMN(cross-graphattention-basedmatchingmechanism)，来计算出一对图之间的相似度评分。（核心创新点）论文证明了该模型在不同领域的有效性，包括具有挑战性的基于控制流图(control

游离态GLZ不可能是金融技术宅·2025-03-13 01:07

论文阅读笔记——π0: A Vision-Language-Action Flow Model for General Robot Control

π0论文π0π_0π0是基于预训练的VLM模型增加了actionexpert，并结合了flowmatching方法训练的自回归模型，能够直接输出模型的actionchunk（50）。π0采用FlowMatching技术来建模连续动作的分布，这一创新使模型能够精确控制高频率的灵巧操作任务，同时具备处理多模态数据的能力。架构受到Transfusion的启发：通过单一Transformer处理多目标任务

寻丶幽风·2025-03-13 01:33

Android GNSS 模块分析（一）整体介绍 - App

同学，别退出呀，我可是全网最牛逼的WIFI/BT/GPS/NFC分析博主，我写了上百篇文章，请点击下面了解本专栏，进入本博主主页看看再走呗，一定不会让你后悔的，记得一定要去看主页置顶文章哦。目录1、前言2、AndroidGNSS介绍3、AndroidGNSS各层级流程分析3.1API接口层3.2Framework服务层3.3JNI层级调用3.4Native层/Hal层4、GNSSNMEA数据概述正

短距WCN协议开发分享·2025-03-10 13:34

论文阅读笔记——Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware

ALOHA论文ALOHA解决了策略中的错误可能随时间累积，且人类演示可能是非平稳的，提出了ACT（ActionChunkingwithTransformers）方法。ActionChunking模仿学习中，compoundingerror是致使任务失败的主要原因。具体来说，当智能体（agent）在测试时遇到训练集中未见过的情况时，可能会产生预测误差。这些误差会逐步累积，导致智能体进入未知状态，最终

寻丶幽风·2025-03-10 09:09

低空经济中，多台机器空域信息管理调度策略

以下是详细的解决方案：一、技术层面1.空域感知与定位高精度定位：使用GNSS（如GPS、北斗）结合RTK（实时动态定位）技术，实现厘米级定位。

小赖同学啊·2025-03-06 14:07

Self-Attentive Sequential Recommendation论文阅读笔记

SASRec论文阅读笔记论文标题：Self-AttentiveSequentialRecommendation发表于：2018ICDM作者：Wang-ChengKang,JulianMcAuley论文代码

调包调参侠·2025-03-05 06:39

论文阅读笔记2

OptimizingMemoryEfficiencyforDeepConvolutionalNeuralNetworksonGPUs1论文简介作者研究了CNN各层的访存效率，并揭示了数据结构和访存模式对CNN的性能影响。并提出了优化方法。2方法介绍2.1Benchmarks数据集：MNIST，CIFAR，ImageNetCNN：AlexNet，ZFNet，VGG2.2实验设置CPU：IntelXe

sixfrogs·2025-03-03 03:59

大模型隐空间推理论文阅读笔记

文章目录TrainingLargeLanguageModelstoReasoninaContinuousLatentSpace一.简介1.1摘要1.2引言TrainingLargeLanguageModelstoReasoninaContinuousLatentSpace一.简介机构：Meta代码：任务:特点:方法:1.1摘要现状：大语言模型往往局限在“languagespace"进行推理，在解决

猴猴猪猪·2025-03-03 03:57

【网安AIGC专题】46篇前沿代码大模型论文、24篇论文阅读笔记汇总_大模型在代码缺陷检测领域的应用实践(1)

本系列文章不仅涵盖了46篇关于前沿代码大模型的论文，还包含了24篇深度论文阅读笔记，全面覆盖了代码生成、漏洞检测、程序修复、生成测试等多个应用方向，深刻展示了这些技术如何在网络安全领域中起到革命性作用。

2401_84972910·2025-03-03 02:24

论文阅读笔记——Prediction with Action: Visual Policy Learning via Joint Denoising Process

以前的method是输入视频输出视频或者输入视频和action学习action，该方法认为action，video和othercondition具有一定联系，所以一次性对所有的进行jointdenoise。网络结构采用MaskedMulti-headAttention关联不同模态，使用DiT的backbone。

寻丶幽风·2025-02-28 21:15

深度学习重要论文阅读笔记 ResNet （2025.2.26）

文章目录问题背景数据预处理神经网络模型模型性能知识点积累英语单词积累问题背景随着神经网络变得更深（层数变多），模型的训练过程也会变得更加困难。当神经网络的深度增加，就会出现梯度消失和梯度下降现象，妨碍模型的收敛。不过，这种情况可以通过归一化的模型初始化和中间的归一化层基本解决。但是，尽管在增加了归一化技术的情况下很深的神经网络可以收敛，又出现了另外一个问题，即随着模型深度的增加，模型的准确率反而下

北岛寒沫·2025-02-27 16:50

论文阅读笔记1——DARTS：Differentiable Architecture Search可微分架构搜索（一）（论文翻译学习）

DARTS：DifferentiableArchitectureSearch可微分架构搜索（一）DARTS：DifferentiableArchitectureSearch（一）ABSTRACT摘要1.INTRODUCTION介绍2.可微的结构搜索加油加油！如果你感觉你现在很累，那么恭喜你，你现在正在走上坡路！让我们一起加油！欢迎关注我的讲解视频，让我们一起学习：Bilibili主页：https:

fuhao7i·2025-02-25 05:37

【CCM-SLAM论文阅读笔记】

CCM-SLAM论文阅读笔记整体框架结构如图所示：单智能体只负责采集图像数据，运行实时视觉里程计VO以估计当前位姿和环境地图，由于单智能体计算资源有限，负责生成的局部地图只包含当前N个最近的关键帧。

随机取名字·2025-02-22 02:07

精密单点定位/PPP软件GAMP学习之一

一、基础知识1、《多系统GNSS非差非组合精密单点定位相关理论和方法研究》周锋博士论文2、《BDS/GPS非差非组合抗差自适应PPP》纪超3、《GPS非差相位精密单点定位理论与实现》叶世榕4、《BDS/

枯荣有常·2025-02-21 11:26

PSINS工具箱函数介绍——ggnss（ggpsvars+gbdvars+gglovars）

文章目录关于工具箱工具箱概述学习路径指南GNSS参数初始化函数`ggnss`函数功能参数体系结构典型应用场景系统参数初始化操作指南执行流程运行结果解析函数源码深度解析代码架构扩展开发建议关于工具箱kfinit

MATLAB卡尔曼·2025-02-20 12:53

【MediaTek】 T750 openwrt-23.05编译: error: ISO C++17 does not allow dynamic exception specifications

MediaTekT750平台是一款综合的芯片组，集成了5GSoCMT6890、12nm制程的收发器MT6190、ET、GNSS和PMIC等。高度集成的T750平台大幅减少组件数量，为产品设计者提供更

wellnw·2025-02-16 11:54

【MediaTek】 T750 openwrt-23.05编 cannot find dependency libexpat for libmesode

MediaTekT750平台是一款综合的芯片组，集成了5GSoCMT6890、12nm制程的收发器MT6190、ET、GNSS和PMIC等。高度集成的T750平台大幅减少组件数量，为产品设计者提供更

wellnw·2025-02-16 09:44

【论文阅读笔记|EMNLP2023】DemoSG: Demonstration-enhanced Schema-guided Generation for Low-resource Event Ext

论文题目：DemoSG:Demonstration-enhancedSchema-guidedGenerationforLow-resourceEventExtraction论文来源：EMNLP2023论文链接：2023.findings-emnlp.121.pdf(aclanthology.org)代码链接：https://github.com/GangZhao98/DemoSG0摘要当前大多数

Rose sait·2025-02-10 03:57

北斗/GNSS高精度数据处理暨GAMIT/GLOBK v10.75软件

随着GNSS导航定位技术在不同领域的广泛应用和技术更新的飞速发展，在大型工程项目的设计、施工、运行和管理各个阶段对工程测量提出了更高的要求，许多测绘、勘测、规划、市政、交通、铁道、水利水电、建筑、矿山、

xiao5kou4chang6kai4·2025-02-10 03:51

神经网络压缩实验-Deep-compression

首发于个人博客，结合论文阅读笔记更佳实验准备基础网络搭建为了实现神经网络的deepcompression，首先要训练一个深度神经网络，为了方便实现，这里实现一个两层卷积+两层MLP的神经网络classnet

无用技术研究所·2025-02-08 11:06

自动驾驶（Automated Driving）系统组成和主要技术--以思维导图形式介绍

定位传感器模块:包括GNSS(全球导航卫星系统)、INS(惯性导航系统)和视觉SLAM等，用于确定车

大连海事的亲外甥·2025-01-30 04:28

论文阅读笔记（9）——《A Practical Survey on Faster and Lighter Transformers》

1Abstract2Introductionrecurrentneuralnetworks(RNNs)longshort-termmemory(LSTM)networksequencetosequenceframeworkinter-attentionrelativeeffectivecontextlength(RECL)Transformer3TransformerA.EncoderB.Deco

StriveQueen·2025-01-26 08:32

GNSS接收机测试怎么做

GNSS接收机测试是评估GNSS接收机性能好坏的重要环节，它主要包括一系列关键性能测试，以确保接收机在各种环境和条件下都能稳定、准确地工作。

network_tester·2025-01-24 06:04

论文阅读笔记：AI+RPA

文章目录论文题目下载地址论文摘要论文题目Challengesandopportunities:ImplementingRPAandAIinfrauddetectioninthebankingsector下载地址点击这里下载论文摘要在银行业中，将机器人流程自动化（RPA）和人工智能（AI）集成用于欺诈检测是一项重大变革，既带来了挑战，也带来了机遇。随着金融机构面临日益复杂的欺诈企图，RPA和AI成为

几道之旅·2025-01-21 07:06

北斗卫星导航系统的研究及应用

随着全球信息技术的发展，未来全球卫星导航系统将会由以美国的GPS为核心的卫星定位系统，发展成为多星座共存的GNSS（全球导航定位系统）。GNSS主要包括三大导航系统，分别为GP

梨梨梨梨zi·2024-09-14 00:28

论文阅读笔记（十九）：YOLO9000: Better, Faster, Stronger

WeintroduceYOLO9000,astate-of-the-art,real-timeobjectdetectionsystemthatcandetectover9000objectcategories.FirstweproposevariousimprovementstotheYOLOdetectionmethod,bothnovelanddrawnfrompriorwork.Theim

__Sunshine__·2024-09-11 21:59

论文阅读笔记: DINOv2: Learning Robust Visual Features without Supervision

DINOv2:LearningRobustVisualFeatureswithoutSupervision论文地址:https://arxiv.org/abs/2304.07193代码地址:https://github.com/facebookresearch/dinov2摘要大量数据上的预训练模型在NLP方面取得突破，为计算机视觉中的类似基础模型开辟了道路。这些模型可以通过生成通用视觉特征(即无

小夏refresh·2024-09-11 20:50

SAFEFL: MPC-friendly Framework for Private and Robust Federated Learning论文阅读笔记

SAFEFL:MPC-friendlyFrameworkforPrivateandRobustFederatedLearning适用于私有和鲁棒联邦学习的MPC友好框架SAFEFL，这是一个利用安全多方计算(MPC)来评估联邦学习(FL)技术在防止隐私推断和中毒攻击方面的有效性和性能的框架。概述传统机器学习（ML）：集中收集数据->隐私保护问题privacy-preservingML(PPML)采

慘綠青年627·2024-09-06 10:44

A Tutorial on Near-Field XL-MIMO Communications Towards 6G【论文阅读笔记】

此系列是本人阅读论文过程中的简单笔记，比较随意且具有严重的偏向性（偏向自己研究方向和感兴趣的），随缘分享，共同进步~论文主要内容：建立XL-MIMO模型，考虑NUSW信道和非平稳性；基于近场信道模型，分析性能（SNRscalinglaws，波束聚焦、速率、DoF）XL-MIMO设计问题：信道估计、波束码本、波束训练、DAMXL-MIMO信道特性变化：UPW➡NUSW空间平稳–>空间非平稳（可视区域

Cc小跟班·2024-09-03 08:22

能力越小责任越小YA·2024-09-02 00:37

Your Diffusion Model is Secretly a Zero-Shot Classifier论文阅读笔记

YourDiffusionModelisSecretlyaZero-ShotClassifier论文阅读笔记这篇文章我感觉在智源大会上听到无数个大佬讨论，包括OpenAISora团队负责人，谢赛宁，好像还有杨植麟

Rising_Flashlight·2024-09-01 20:46

天宝TBCTrimble Business Center中文版本下载安装使用介绍

此软件集成了GNSS接收机、全站仪、激光扫描仪、无人机等多种设备的数据处理功能，堪称测绘界之全能选手。其界面简洁明了，操作便捷，令人一见倾心。二、数据导入

Aruanjian888·2024-09-01 03:25

Conditional Flow Matching: Simulation-Free Dynamic Optimal Transport论文阅读笔记

ConditionalFlowMatching:Simulation-FreeDynamicOptimalTransport笔记发现问题连续正规化流（CNF）是一种有吸引力的生成式建模技术，但在基于模拟的最大似然训练中受到了限制。解决问题介绍一种新的条件流匹配（CFM)，一种针对CNFs的免模拟训练目标。具有稳定的回归目标，用于扩散模型中的随机流，但享有确定性流模型的有效推断。与扩散模型和CNF目

猪猪想上树·2024-08-23 03:06

论文阅读笔记《SimpleShot: Revisiting Nearest-Neighbor Classification for Few-Shot Learning》

小样本学习&元学习经典论文整理||持续更新核心思想本文提出一种基于最近邻方法的小样本学习算法（SimpleShot），作者指出目前大量的小样本学习算法都采用了元学习的方案，而作者却发现使用简单的特征提取器+最近邻分类器的方法就能实现非常优异的小样本分类效果。本文首先用特征提取网络fθf_{\theta}fθ+线性分类器在一个基础数据集上对网络进行训练，将训练得到的特征提取网络增加一个简单的特征

深视·2024-02-24 10:28

003：高精地图数据采集

一、设备准备高精地图数据采集需要高精度的设备，如Lidar（激光雷达）、高清相机、惯性测量单元（IMU）、GNSS（全球导航卫星系统）等。

qq_31762031·2024-02-22 19:09

自动驾驶中之定位总结

1前言2典型的单个定位方式2.1基于通信的定位方法2.1.1GNSS全球卫星导航系统2.1.1.1gnss的优点与缺点2.1.1.2gnss定位技术2.1.1.2.1RTK定位技术2.1.1.2.2PPP

江南霹雳堂雷家雷无桀·2024-02-20 14:56

轨道交通信号增强与覆盖解决方案——经济高效，灵活应用于各类轨道交通场景！

需求分析1.通信场景多样且复杂（车站，列车，乘客）2.需要同时支持5G，WIFI与GNSS3.高速、颠簸与恶劣的应用环境4.巨大的人流量与接入需要高质量连接

德思特·2024-02-20 13:24

【论文阅读笔记】（2015 ICML）Unsupervised Learning of Video Representations using LSTMs

UnsupervisedLearningofVideoRepresentationsusingLSTMs（2015ICML）NitishSrivastava,ElmanMansimov,RuslanSalakhutdinovNotesContributionsOurmodelusesanencoderLSTMtomapaninputsequenceintoafixedlengthrepresent

小吴同学真棒·2024-02-20 08:26

使用动态网格的流体动画 Fluid Animation with Dynamic Meshes 论文阅读笔记

目录引言背景方法离散化离散化的导数算子速度插值广义的半拉格朗日步重新网格化双向流固耦合和质量守恒原文：Klingner,BryanM.,etal.“Fluidanimationwithdynamicmeshes.”ACMSIGGRAPH2006Papers.2006.820-825.引言使用[Alliezetal.,2005]的方法动态生成不规则的四面体网格根据边界的位置、边界的形状、基于流体和速

hijackedbycsdn·2024-02-20 07:47

【论文阅读笔记】AutoAugment:Learning Augmentation Strategies from Data

AutoAugment:LearningAugmentationStrategiesfromData摘要研究方法:本文描述了一种名为AutoAugment的简单程序，通过这个程序可以自动寻找改进的数据增强策略。研究设计了一个策略空间，其中策略包含多个子策略，在每个小批量数据中针对每张图片随机选择一个子策略。每个子策略由两个操作组成，每个操作是图像处理函数（如平移、旋转或剪切），以及应用这些函数的概

少写代码少看论文多多睡觉·2024-02-20 07:15

介绍GNSS L1 L2 L5

导语：全球卫星导航系统在现代社会中起着至关重要的作用。其中，L1、L2和L5是其核心频段，它们在精确定位、导航和时间同步方面发挥着重要作用。本文将介绍L1、L2和L5频段的特点及其在全球卫星导航系统中的应用。正文：频段频率(MHz)特点应用领域L11575.42最常用的频段之一，信号强度高，穿透能力好。航空、航海、车辆导航、智能手机等消费电子产品。L21227.60第二核心频段，提高定位精度，抵御

ABEL in China·2024-02-20 00:14

【论文阅读笔记】Contrastive Learning with Stronger Augmentations

ContrastiveLearningwithStrongerAugmentations摘要基于提供的摘要，该论文的核心焦点是在对比学习领域提出的一个新框架——利用强数据增强的对比学习（ContrastiveLearningwithStrongerAugmentations，简称CLSA）。以下是对摘要的解析：问题陈述：表征学习（representationlearning）已在对比学习方法的推动

少写代码少看论文多多睡觉·2024-02-19 13:11

推荐频道